资讯类产品的数据驱动增长方法论

本文为PMCAFF专栏作者韩进出品

虎嗅作为优秀的科技媒体，拥有大量的忠实读者与非常多的优秀作者，如果先抛开作者部分，我们来看下虎嗅APP在读者用户运营方面有哪些可取之道以及可以加强的地方，以及如果要进一步促进用户的增长，如何借力数据驱动的方法。

1

虎嗅APP的产品逻辑

此处截取虎嗅APP的主要功能页面，并通过导图方式梳理产品功能点。

主要功能界面

产品清晰简洁，主要功能区划分逻辑清晰。开屏引导、推荐位、付费变现方式等运营方式较为清晰。在资讯主页，普通资讯与号外资讯交替出现。

功能点梳理

“资讯”在开屏主位，包含Banner推荐位、号外位置、热点资讯位；

“24小时”类似于UGC圈子，用户可自主发送短消息、视频，不过发言权限需邀请；

“精选”是虎嗅内容付费的变现渠道，有付费订阅的专栏内容与虎嗅会员黑卡；

“我的”则为正常的账户管理界面，个人资料管理、账户信息等。

2

虎嗅APP的运营策略

现在被普遍认可的运营流程是增长黑客理念里提出的“拉新-激活-留存-营收-增长”的AARRR海盗模型。以下为了简化，将激活与留存统一称为促活。

在体验虎嗅APP的过程中，发现虎嗅针对阅读、分享传播、付费订阅等设置了一些运营策略：

体验过程中，能够很明显的感受到在这些方面虎嗅在想办法与用户互动，形成用户粘性。

虎嗅APP里较为突出的是截图后的分享，会自动添加虎嗅的二维码，但欠缺的，是内容、会员卡的用户分享与推荐，没有激励措施。而在“我的”界面，结构过于扁平，也没有较为明确的运营重心。

3

更理想的运营方式

理想的产品、用户运营方式，应该实现用户界面的“千人千面”：

• 不同分群里的用户，每次进入APP后看到的内容是不同；

• 产品的功能布局，是按照最优数据反应的情况排布；

• 推送给不同群组用户的付费转化方案，也有所差异。

要做到产品、运营策略的“千人千面”的起点是精细的数据分析。

产品和运营团队依照对目标用户的判断，会制定非常多的运营策略，哪种策略对哪部分用户最有效，则需要通过A/B测试的方式，观察用户对不同方案的响应数据，以此确定最佳方案。

对于用户的数据分析，我们可以分为：统计数据、用户属性数据与行为事件数据三个方面。后两者可以统称为用户行为分析。

统计数据通常是宏观的数据，能大致告诉你用户有多少、增长速度、流失比例、不同渠道的转化效果。统计数据有助于管理层从宏观角度了解公司运营状况。但要支持产品、运营同学的工作，颗粒度肯定是不够的。

用户属性数据是标定了用户的一些特征，在持续的分析中，还可以为用户打上更多标签，再加入用户的行为偏好，就能形成完整的用户画像。

行为事件数据是用户在APP产品里的交互行为，点击、浏览、评论、收藏、转发等都算。完整的描述一个用户的行为，必须包含“5W1H”的整体信息，因此任何一个用户事件的记录，一定是与用户属性能够对应起来的，即谁、在什么时间、通过什么方式、在哪里、做了什么。

多维度的用户行为分析，总是跟用户分群、行为事件以及指定的时间段相关。

以虎嗅APP中“虎嗅黑卡”推广的运营分析为例，虎嗅的运营策略是：

• 需要先充值再完成购买；

• 充值时没有刚好为488元的面值，只能选择更高一级的518元。

也就是意味着通常需要两步完成的付费现在变成了四步，同时需要溢存30元。当然这是一种商业策略，但这样的方式很有可能造成大量的潜在付费流失，所以是一个非常重要的分析点，运营团队可以构建如下的五步分析漏斗：

• 点击虎嗅黑卡推广界面

• 点击立即开通黑卡

• 点击充值

• 完成充值

• 支付购买黑卡完成

这样一个长漏斗的转化中，每一步都有可能会流失很多付费用户，所以在正式上线前，应当选出部分用户进行测试，最好的方式，是同时设置A、B、C三个用户组：

A组需要充值518嗅币然后完成支付

B组需要充值488嗅币然后完成支付

C组可直接完成支付

建立这三个用户群组的分析漏斗如下图所示，就可以很快的找出哪种方式对于提高会员购买转化更加有效，哪种方式会造成大量潜在付费的流失。

通常的数据分析，是提前设定好了数据分析的维度、模型，然后才由开发埋点、数据分析跑表拉数据、业务团队分析应用。在版本迭代、运营策略调整的过程中，要实现灵活的多维度探究分析难度较大。而多维度探究分析往往会有很多惊喜，能够让你发现未预想到的用户规律。

但做产品、运营、数据分析的同学都知道，如果对各个功能点、各种运营方式都进行探究性分析，那怕是埋点埋到吐、跑表跑到死，更何况数据量一大，做一次分析光等就得好几个小时。

那么有没有什么好方法能够降低数据分析门槛，实现用户行为的多维、实时探究分析呢？

4

数据驱动增长的方法

数据驱动增长，首先是打好数据分析的底子；然后通过实时、多维的探究分析，找寻用户规律；最后依照规律制订运营策略后，再进行A/B测试的循环。

梳理产品功能，设计数据采集方案

推荐采用服务器端、客户端结合的埋点采集，保障数据的准确性与完整性。埋点就是由开发在需要采集数据的地方打上标记、规定采集数据的格式与触发条件。每个公司或团队，对于数据采集应当有统的定义方式，否则很容易出现混乱。埋点采集最大的麻烦之处就在于需要手动写入代码，如果定义不够清晰、统一，开发往复的工作量就会非常大。

针对虎嗅APP，推荐的数据采集定义方案如下，可以根据自己产品情况调整。这里未列出用户属性与行为事件的定义。

学习多种分析模型，尝试多维探究分析

常用的分析模型有事件分析、漏斗分析、留存分析、行为序列分析、行为路径分析等。可以选用不同的模型、用户分群与分析时段，进行灵活分析。比如：

• 7月新增用户中完成3篇以上文章阅读的用户，在后续7天的留存情况（留存分析）

• 2017年开通了APP推送功能的用户，相比未开通的用户阅读文章数量的差异（事件分析）

• 1月-8月虎嗅黑卡会员用户中，完成50%以上订购内容阅读与未完成此项任务的用户的付费比例（统计分析）

• 2018年总注册用户数、每3天登录的注册用户数、付费会员、续费会员的转化漏斗情况（漏斗分析）

活用分析系统，提升分析效率

大家可能会无奈的感叹，做好埋点基础、学会分析模型，就像是“听了很多大道理，依然过不好这一生”，如果没有个能实时、快速分析的系统，即使采集了数据，要有时效性的支撑产品优化与精益运营，怕也是天方夜谭。

很多互联网巨头企业为了支撑数据分析工作，在内部搭起了用户数据分析平台，以方便产品、运营、数据分析的同学能够将精力从基础的数据采集、清洗、分析等待中节省出来，专注到与业务结合的探究分析上。

对于还没有这样专业的分析系统的团队，专业的用户行为分析系统就能起到作用。

制定多种策略，依靠数据分析验证

对于类似虎嗅这样的资讯阅读类APP，可以灵活的尝试一些促进用户增长的方式，通过数据分析确认方式的有效性。在此列举一些虎嗅APP可以测试的运营方式：

5

数据驱动增长流程

综上，数据驱动用户增长的流程就是：

1. 梳理产品功能与业务，理解用户行为数据

2. 定义完整、清晰、一致的数据采集方案

3. 选用合适的用户行为分析工具

4. 针对产品功能、运营策略，灵活进行多维探究分析

5. 依据数据洞见制定产品优化、精益运营策略

6. 循环4和5，依靠数据驱动用户增长

数据驱动增长，就是针对不同人群上线不同的运营策略，然后进行及时分析，从用户行为数据中寻找规律，从而确定能够驱动用户增长的最佳方案。

希望以上对大家有所帮助。

点击“阅读原文”看今日话题

高德导航会不会革了滴滴打车的命?